⌘ K
… 读取采集状态 同步中...
雷

全部动态

今日 10 条
9月17日周四
  2. OpenAI News64

    OpenAI 发布模型对齐问题报告框架

    OpenAI 分享了一套用于追踪、调查和披露模型对齐问题的框架，并附带六份关于意外或令人担忧的模型行为的报告。

    推荐理由：OpenAI 提出追踪与披露模型对齐问题的框架，并提供六份异常行为报告，读者可据此了解其安全监控实践。

9月16日周三
  3. APPSO80

    MaleCNS v1.0 果蝇连接组数据被网友接入游戏世界

    HHMI Janelia Research Campus 联合 Google Research 发布了全球首个成年雄性黑腹果蝇完整中枢神经系统连接图 MaleCNS v1.0，记录了超过 16.6 万个神经元的连接关系。网友们将这份数据接入《Minecraft》《DOOM》等虚拟环境，模拟出果蝇的飞行、觅食及游戏行为，开发者澄清该实验是基于生物数据的计算模拟，并未实现意识上传。

    推荐理由：文章梳理了 MaleCNS v1.0 连接组的数据规模，以及网友将其接入 Minecraft 等游戏引发的模拟行为现象。

  4. CVer51

    ECCV 2026 | 上海交大等提出REAL：让具身智能体在开放世界中自主探索与交互

    上海交大与上海AI实验室提出REAL框架，该工作已被ECCV 2026接收。REAL通过统一的MCP工具接口解耦高层VLM规划与底层物理执行，使智能体能主动探索未知环境并根据模糊用户指令动态交互。在60个真实世界测试中，系统实现了78.3%的端到端成功率，验证了从仿真到真机零样本迁移的有效性。

  5. 机器之心73

    AI2 与华盛顿大学研究：复杂的 Harness Evolution 在公平预算下不如多跑几遍

    AI2 和华盛顿大学团队在 Terminal-Bench 2.1 上对比 Harness Evolution 与 test-time scaling，发现复杂进化方法在公平计算预算下并未稳定胜过直接多次采样或顺序修正。

    推荐理由：原文明确比较了 Harness Evolution 与 test-time scaling 的公平预算效果，为评估 Agent 自进化提供了关键对照视角。

  8. Google Research45

    Google Research 提出 Retrieve-for-Train 框架，加速复杂 AI 搜索中的推理瓶颈

    Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，通过离线强化学习将优化后的查询分解行为编译为监督数据，蒸馏至一个 53.9M 参数的扩散检索模型。该模型在推理时通过单次非自回归生成实现高效查询扇出，避免了生成链式推理（CoT）token 带来的延迟瓶颈，无需测试时思考预算即可满足集合级搜索属性。

  12. Hugging Face Blog76

    Hugging Face 推出 ALTK-Evolve 一致性分析工具

    ALTK-Evolve 新增 Consistency Analyzer，通过单次轨迹重采样定位 LLM 智能体决策不稳定的步骤。该工具生成一致性指导，将 AppWorld 基准上的 Mean@5 与 Pass^5 差异从 24.4pp 缩小至 12.0pp，平均准确率从 77.4% 提升至 81.0%。

    推荐理由：提出 Consistency Analyzer 来量化智能体输出稳定性缺口，给出可复用开源诊断方法。

9月15日周二
  1. X：Greg Brockman (@gdb)1

    Vidu S2 论文：实时交互、可编辑与空间视频生成

    Vidu S2 论文发布，提出实时交互、可编辑和空间视频生成，包含实时交互数字人模型 Vidu S2-Avatar 和实时视频编辑模型 Vidu S2-Editing。Vidu S2-Avatar 相比 Vidu S1 支持实时 720p 生成、可随时更新的动态参考和更强的指令遵循；Vidu S2-Editing 支持对视频流实时编辑，包括风格渲染、服装、角色和背景替换。论文链接 https://huggingface.co/papers/2609.11638，在线演示 https://vidu.com/vidu-stream。

  4. 新智元30

    复旦大学发布 AVTrack 复杂场景音视频追踪基准及 AVTracker 模型

    复旦大学 CVL 实验室发布面向复杂场景的音视频追踪基准 AVTrack，该基准包含 871 段视频及 8 类挑战，论文已被 ICML 2026 接收。配套提出的 AVTracker 模型在 HOTA 测试指标上达到 29.08，较现有最佳方法 AVISM 提升 8.24。基准与代码、数据集现已开源，旨在解决长视频中身份保持难题。

  5. 机器之心53

    RSIAgent 论文发布：开源模型通过自主探索新环境在多项高难度基准超越 GPT-6 Astra

    Aether AI 团队发布 RSIAgent 论文，提出一种让 Agent 在新环境中自主探索并实现递归自我提升的因果智能框架。在不更新模型参数的情况下，该框架使 Kimi-K3 和 GLM-5.3 等开源模型的 Agent 能力在 OSWorld 2.0 和 Agents’ Last Exam 基准测试中大幅领先 GPT-6 Astra 等前沿闭源模型。

  7. X：Greg Brockman (@gdb)1

    DeepSeek-V4.1-Flash （Max） 进入 Agent Arena 开源模型第 3 名

    DeepSeek-V4.1-Flash （Max） 进入 Agent Arena 开源模型第 3 名，净提升 +4.87%，每任务中位成本 $0.07，重塑 Pareto 前沿。其成本比第 2 名 Hy4 preview 低 68%、成绩仅差 0.09 个百分点；总榜排名第 12，Confirmed Success 信号排名 第 4（+13.75%）。

9月14日周一
  2. X：Greg Brockman (@gdb)1

    Amazon 论文 GAUGE 探讨何时不能信任 LLM judge 评估任务型智能体

    Amazon 发布 GAUGE 论文，研究 LLM 模拟用户加 LLM judge 这一评估关卡何时不可信。研究发现满意度不等于任务成功，57.5% 被评为满意的对话实际未完成客户任务；在能力相近的智能体之间，该关卡有 31% 的配对选出奖励更低的一方，而差距大的配对中这一比例不足 1%。

  5. 新智元83

    分子之心 QuantaMind 模拟十万原子反应仅耗 0.25 秒，成果登上《Science Advances》

    分子之心发布反应性机器学习力场 QuantaMind，将 10 万原子级化学反应体系的单步模拟耗时从传统的 1300 万天压缩至 0.25 秒，相关成果发表于《Science Advances》。在内部产业项目中，该模型实现十万原子、百纳秒尺度的模拟，并成功应用于酶工程与抗体设计，通过计算预测加速了候选分子筛选，例如某 pH 敏感性抗体设计项目实现了 62 倍的解离速率响应。

    推荐理由：团队将模拟耗时压缩至 0.25 秒并实现 10 万原子体系模拟，验证了 AI 在计算化学领域的落地价值。

  6. 新智元51

    CAITLYN：面向LLM Agent的自进化防御系统应对新型prompt注入攻击

    研究人员提出CAITLYN，一套针对LLM Agent的自进化防御中间件，用于应对新型prompt injection攻击。系统采用System I（快速运行时防御）与System II（反例驱动进化）双层架构，外部内容先经低成本脚本和规则筛选，再由LLM classifier处理模糊案例；漏网攻击被转化为反例，自动合成并验证新的防御技能后写入共享技能库。

  11. CVer36

    CPIL 实验室 4 篇论文被 EMNLP 2026 录用

    CPIL 实验室及合作单位共有 4 篇论文被 EMNLP 2026 接收，其中 2 篇为 Main 论文，2 篇为 Findings 论文。研究聚焦大语言模型智能体的自主进化与可信应用，涵盖 QUACK 多模态社会推理、DAPS 自主科研优化、SCAFFOLD 网页智能体提升及 CARE 隐私保护临床推理四个方向。

9月13日周日
  4. 量子位53

    PARPO：面向个性化智能体强化学习的新框架

    中国科学技术大学与阿里巴巴团队提出PARPO框架，将个性化引入智能体强化学习。该框架包含PSGM技能记忆、两阶段偏好解耦奖励模型和双轨优化器。在Qwen3-4B/8B模型上的评估显示，8B模型在盲测中排名第一，其中用户相关性维度优势最大。

  6. 机器之心82

    阿里和浙大提出 Astar：用 AI 指导 AI 系统进化，提升推荐业务 GMV 4.86%

    阿里和浙大联合提出 Astar，一种专门用于指导 AI 系统进化的 LLM，通过学习 AI 系统自身的历史代码提交和实验结果来生成优化方向。Astar 在阿里 Lazada 核心广告推荐系统中落地，实现离线 HitRatio 提升 23.6%，在线 GMV 提升 4.86%，广告收入提升 1.82%。

    推荐理由：阿里与浙大提出 Astar 模型，通过挖掘 AI 系统自身的历史迭代记录来指导进化，在推荐业务中显著提升了离线和在线指标，展示了用 AI 优化 AI 的可行路径。

  7. 机器之心75

    PyroDash 论文：小模型生成中决定何时求助大模型，推理成本降 96% 且性能反超

    PyroDash 是一种成本感知的大小模型协同推理范式，让小模型在生成过程中通过可训练的交接信号决定何时将任务移交大模型。论文使用 Qwen3.5-4B 作为小模型、GLM-5.2-FP8 作为大模型，在五个数学推理基准上验证：侧重低成本时总成本从 49.36 美元降至 1.78 美元；侧重准确度时平均准确率达 64.04%，超过纯大模型的 57.68%。

    推荐理由：原文提出小模型在生成过程中通过强化学习决定何时调用大模型的协同范式，并给出了成本降低九成且精度反超的实验数据。

9月12日周六
  1. X：Greg Brockman (@gdb)1

    早期基准显示 GPT-6 Astra 空间推理出现台阶式提升

    机器人基准 StationeryBench 在 200 次试验中对比 GPT-6 Astra 与 Ai2 MolmoAct2 控制同样的双臂 YAM 机器人完成五类桌面物体任务，Astra 完整完成 100 项任务中的 7 项、中位进展分 46，MolmoAct2 均为 0 和 12。